基于SVM模型参数优化的多模态MRI图像肿瘤分割方法
王晓春
黄靖
杨丰
罗蔓
1.南方医科大学生物医学工程学院电子技术系,广东 广州,5105152.南方医科大学生物医学工程学院电子技术系,广东 广州,5105153.南方医科大学生物医学工程学院电子技术系,广东 广州,5105154.南方医科大学生物医学工程学院电子技术系,广东 广州,510515
摘要：目的：提出一种基于混合核函数SVM模型参数优化的多模态MRI图像肿瘤分割方法。方法对多模态MRI图像中单一模态的特征信息，分别使用混合核函数SVM方法训练出4个子分类器，对相应模态进行分割。由于不同模态图像选择的支持向量各有侧重，分割结果存在差异。通过迭代修改分割错误数据点的权值，优化选择SVM模型子分类器权重系数，得到多模态加权组合的SVM分类器模型，并应用于多模态MRI图像分割。结果34例MRI脑肿瘤病人图像数据，获得了90.59%的分割精度，与单一模态分类器方法、多模态高斯核函数SVM方法相比，平均分割精度提高5.76%~20.11%。结论本文方法结合多模态图像和SVM的优势，提高肿瘤分割准确率，分割性能好。
关键词：多模态混合核函数支持向量机肿瘤分割
资助基金：国家自然科学基金(61271155)国家自然科学青年基金(81000642)Supported by National Natural Science Foundation of China (61271155)
论文发表日期：2014-01-01
在线出版日期：2025-08-15（本平台首次上网日期，不代表文献的发表时间）
页数：5( 641-645 )
英文信息